Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

| Crea un account

Cecchinato, Alessio (2009) Analysis of piglet survival in a dry-cured ham-producing crossbred line. [Tesi di dottorato]

Full text disponibile come:

[img]
Anteprima
Documento PDF
1375Kb

Abstract (inglese)

Piglet death during the perinatal and lactation periods is one of the most detectable causes of reduced production efficiency in swine herds. and it has also been identified as an important welfare issue. Piglet mortality within the first three days of life is still a problem in intensive farms. Mortality rates vary between 10 and 20% depending on the housing system. Data used in this study were collected in the nucleus and sib testing program of the C21 Large White boar line (Gorzagri, Fonzaso, Italy) from 2000 to 2006. In the selection nucleus farm (Riese Pio X, Italy) the pure C21 boars are produced and mated to pure C21 sows, while in a sib testing program farm (Todi, Italy), the same C21 boars are mated to crossbred sows to produce crossbred piglets. The general aim of this thesis was to explore the genetic aspects of piglet survival in the aforementioned dry-cured ham-producing crossbred line. In chapter 2 the piglet pre-weaning survival and its relationship with a total merit index (TMI) used for selection of Large White terminal boars for dry-cured ham production was investigated. Piglet pre-weaning survival was analyzed under a frailty proportional hazards model, assuming different baseline hazard functions and including sire and nursed litter as random effects. Estimated hazard ratios (HR) indicated that sex, cross-fostering, year month of birth, parity of the nurse sow, size of the nursed litter and class of TMI were significant effects for piglet pre weaning survival. Female piglets had less risk of dying than males (HR = 0.81) as well as cross-fostered piglets (HR = 0.60). Survival increased when piglets were nursed by sows of third (HR = 0.85), fourth (HR = 0.76) and fifth (HR = 0.79) parity. Piglets of small (HR = 3.90) or very large litters (HR > 1.60) had less chances of surviving in comparison with litters of intermediate size. Class of TMI exhibited an unfavorable relationship with survival (HR = 1.20 for the TMI top class). The modal estimates of sire variance under different baseline hazard functions were 0.06 whereas the variance for the nursed litter was close to 0.7. The estimate of the nursed litter effect variance was higher than the sire, underlying the importance of the common environmental generated by the nurse sow. The relationships between sire ranking obtained from different survival models highly agreed each others. The heritability estimate in equivalent scale was low (0.03).

Nevertheless, the exploitable genetic variation for this trait justifies the inclusion of piglet pre-weaning survival in the current breeding program for selection of Large White terminal boars for dry-cured ham-production.
In order to evaluate the opportunity of including the survival trait in such breeding programme, the relevance of purebred information for predicting genetic merit of survival at birth of crossbred piglets was assessed (chapter 3). A question is whether purebred performance (in the nucleus) predicts accurately outcomes in crossbreds (commercial tier). This was investigated by considering the two performances as different traits in a model and by estimating the genetic correlation. The objective of chapter 3 was to infer (co)variance components for farrowing survival in purebred (P) and crossbred (C) pigs; the latter were from crosses between P boars and Large White-derived crossbred sows. If the genetic correlation between C and P traits is large enough, selection in P would produce a correlated response in C. Data were from 13,643 (1,213 litters) C and 30,919 (3,162 litters) P pigs, produced by mating the same 168 P boars to 319 Large White derived crossbred females and 1,413 P sows, respectively. The outcome variable was pig survival at birth as a binary trait. A Bayesian bivariate threshold model was implemented via Gibbs sampling. Effects of sex, parity of the dam, litter size and year-month of birth were assigned flat priors; those of litters, dams and sires were given Gaussian prior distributions. Marginal posterior means (SD) of the sire, dam and litter variances in P were 0.018 (0.008), 0.077 (0.020), 0.347 (0.025), respectively in the liability scale. For C, corresponding estimates were 0.030 (0.018), 0.120 (0.034), and 0.189 (0.032), respectively. The posterior means (SD) of heritability of survival in P and C, and of the genetic correlation between these traits were 0.049 (0.023), 0.091 (0.054) and 0.248 (0.336), respectively. Heritability estimates were low and in agreement with previous reports. The genetic correlation was also low, and a 95% Bayesian confidence region (-0.406, 0.821) included zero. Even though variation of estimates is large, results suggest that genetic progress expected in C when selection is based on P may be nil.
In chapter 4 different methodologies (proportional hazard, threshold and sequential threshold model) for predicting genetic merit of piglet survival were compared in terms of predictive ability and goodness of fit. Data structure was the same used in chapter 3. A frailty proportional hazard model, assuming two different baseline hazard function (Cox and Weibull) and including sire and nursed litter as a random effects were fitted. The threshold and sequential threshold model considered the same effects. Model fitting was evaluated in terms of goodness-of-fit and predictive ability, using the mean square error as reference parameters. Estimated sire variances for piglet pre-weaning mortality were low, and heritability ranged from 0.04 to 0.06. All four models led to similar ranking for sires, with strong correlation between methods. The sequential threshold model had a better performance for predicting piglet survival but it had a lower performance in terms of goodness-of-fit than Cox model. Results from this study suggest that sequential threshold model may, globally, be better than other methods tested, both for its better predictive ability of piglet survival in genetic evaluations and for its easier interpretation. Further, sequential threshold model is computationally less demanding and can be extended to allow for different variance components by different period from birth to weaning.

Abstract (italiano)

Gli obiettivi del moderno allevamento suinicolo mirano principalmente a garantire buone performance in termini produttivi e costi di produzione contenuti. Il controllo della mortalità neonatale rappresenta una delle tematiche più attuali, proprio per gli importanti riflessi sul bilancio aziendale. Attualmente, il tasso di mortalità totale sino allo svezzamento può variare dal 18 al 20% sia per la realtà europea che statunitense. Il numero di suinetti annualmente partoriti da una scrofa è probabilmente considerato il carattere riproduttivo più importante, in grado di condizionare il management aziendale e spesso, per tali motivazioni, l’unico ad essere considerato nei programmi di miglioramento genetico di linee suine. In realtà, gli indubbi miglioramenti ottenuti relativamente a questo aspetto sono spesso vanificati da peggioramenti nella capacità di sopravvivenza del suinetto, sia al parto che durante la fase di allattamento.
I dati utilizzati in questa tesi sono stati raccolti presso il nucleo di selezione Gorzagri, sito a Riese Pio X (TV, Italia) e il centro genetico, sito a Todi (PG, Italia) e dedicato al programma di sib-testing della linea verri C21. L’attività del centro è finalizzata alla produzione di famiglie di suinetti ibridi, originati dall’accoppiamento di verri C21 e scrofe ibride Goland. Questi suinetti, di costituzione genetica identica all’ibrido Gorzagri allevato negli allevamenti commerciali, producono le informazioni necessarie per la stima del valore genetico e successiva selezione dei verri e scrofe della linea C21. La linea verri C21 è oggetto di attività di selezione secondo obiettivi finalizzati al miglioramento delle performances di allevamento e dell’attitudine alla produzione del prosciutto crudo stagionato DOP. Obiettivi selettivi sono il miglioramento dell’attitudine alla trasformazione industriale della carcassa e della coscia, particolarmente in relazione alla copertura di grasso della coscia e alla sua qualità (numero di iodio e acido linoleico) e alla presenza di difetti della stessa quali la globosità ed il grado di marezzatura della carne. Inoltre, lo schema selettivo mira all’ottenimento di animali omogenei in termini di accrescimento al fine di permettere un’ottimale organizzazione produttiva all’interno degli allevamenti.
Recentemente, anche la capacità di sopravvivenza e la robustness del suinetto sono divenuti oggetto di interesse selettivo. I dati di mortalità dei suinetti sino allo svezzamento sono stati raccolti sia presso il nucleo di selezione che presso il centro genetico di Todi a partire dal 2000. Nel primo contributo i dati di sopravvivenza dei suinetti fino allo svezzamento rilevati presso il centro genetico di Todi, sono stati analizzati utilizzando un modello dei rischi proporzionali e testando diverse baseline hazard function. Il tempo di sopravvivenza del suinetto, considerato come l’intervallo tra la nascita e lo svezzamento, è stato analizzato prendendo in esame gli effetti sistematici dovuti al sesso, messa a balia, mese-anno di nascita, ordine di parto della scrofa allattante, dimensione della nidiata e classi di indice genetico standardizzato dei verri. Quest’ultimo si è reso indispensabile per poter apprezzare le relazioni intercorrenti tra obiettivi di selezione della linea verri C21 attualmente perseguiti e sopravvivenza della progenie; nel modello sono stati inclusi anche gli effetti casuali della nidiata e la componente genetico additiva del verro. La mortalità in allattamento dei suinetti ibridi Goland si è attestata intorno al 14% con un tempo di morte medio pari a 6 giorni. L’effetto del sesso è risultato essere un fattore rilevante sulla mortalità in allattamento: le femmine hanno una probabilità di morire del 20% in meno rispetto alla classe di riferimento (maschi). Lo spostamento a balia ha anch’esso un effetto significativo sulla mortalità in allattamento. I soggetti trasferiti dalla madre “biologica” ad una balia presentano una probabilità di morire del 40% inferiore rispetto ai suinetti non spostati (classe di riferimento). Tali risultati confermano l’importanza di questa pratica manageriale, che porta ad una significativa riduzione della mortalità neonatale. Considerando il fattore “ordine di parto della balia”, si è osservato come i suinetti allattati principalmente da balie primipare abbiano manifestato una probabilità di morire superiore rispetto ai suinetti allattati da pluripare. In particolare, si è potuta osservare una diminuzione del rischio di morte fino al quarto ordine di parto, per il quale il rischio di morte si attestava attorno al 75% di quello che caratterizza suinetti nati da scrofe di secondo ordine di parto (considerate in questo caso come riferimento).
Considerando la dimensione della nidiata, è stato possibile constatare che la probabilità di morire aumenta in modo significativo per i suinetti allattati in nidiate di dimensioni ridotte (inferiore a 5 suinetti) oppure molto numerose (superiore ai 15 suinetti) rispetto alla classe di riferimento che in questo caso è rappresentata da nidiate costituite da 9-11 suinetti. Nidiate molto numerose comportano una maggiore competizione tra i suinetti per la mammella (difficoltà ad assumere il colostro) e sovraffollamento con maggiore possibilità di schiacciamento. Per quanto riguarda le nidiate di dimensioni ridotte queste sono state osservate, generalmente, in scrofe che hanno avuto una gestazione non regolare.
L’effetto dell’anno e della stagione di nascita è risultato essere un effetto altamente significativo, imputabile a fattori di natura climatica, epidemiologica e manageriale esistenti tra il 2000 ed il 2006. Per quanto riguarda l’indice genetico standardizzato dei verri, da questo studio è emerso che i verri con un indice di merito genetico globale superiore rispetto alla media di popolazione, hanno generato progenie, nel corso degli anni oggetto di studio, con un rischio di morte pre-svezzamento superiore a quelli con indice inferiore rispetto alla media di popolazione.
Per quanto riguarda la stima della variabilità genetico additiva indotta dal verro e quella ambientale permanente indotta dalla nidiata sulla capacità di sopravvivenza del suinetto, è emerso che l’effetto della nidiata ha una rilevanza maggiore rispetto a quella del verro e mette in evidenza l’importanza dell’effetto ambientale esercitato dalla scrofa allattante. L’ereditabilità stimata per la sopravvivenza è risultata bassa (0.03), in accordo con stime di ereditabilità reperite in bibliografia. Tuttavia la variabilità genetica associata a questa caratteristica è risultata molto elevata e di grado tale da permettere interventi specifici di miglioramento dei verri appartenenti alla linea C21.
I risultati ottenuti nell’ambito del presente lavoro sottolineano che la selezione per la diminuzione della mortalità dei suinetti in allattamento può essere perseguita attraverso l’inclusione della capacità di sopravvivenza del suinetto negli obiettivi di selezione della linea C21.
Al fine di testare la possibilità di includere il carattere “sopravvivenza” tra gli obiettivi di selezione della linea verri C21, nel secondo contributo si è proceduto alla valutazione dell’importanza delle informazioni fenotipiche provenienti dal nucleo di selezione Gorzagri per la stima del valore riproduttivo della sopravvivenza alla nascita dei suini ibridi allevati presso il centro genetico. Obiettivo specifico di questo lavoro è stato quello di stimare le correlazioni genetiche tra sopravvivenza alla nascita dei suini puri e sopravvivenza alla nascita dei suini ibridi, originati dai medesimi verri della linea pura, in modo da testare la possibilità di introdurre metodologie selettive CCPS (combined crossbred and purebred selection). La stima della correlazione genetico additiva permette di quantificare, in parte, l’entità dell’interazione genotipo – ambiente degli animali allevati presso strutture differenti. Lo studio è stato condotto su 30,919 (3,162 nidiate) suini di linea pura e 13,643 (1,213 nidiate) suini ibridi. Gli animali di linea pura sono stati generati da 168 verri C21 e 1,413 scrofe C21 di linea pura. I suini ibridi, allevati presso il centro genetico di Todi, sono stati generati impiegando gli stessi 168 verri e 319 scrofe ibride di derivazione Large-White. Il carattere analizzato è stato la sopravvivenza alla nascita come carattere categorico (vivo o morto). Per la stima dei parametri genetici è stato fittato un modello statistico bivariato a soglie (threshold model) utilizzando un approccio Bayesiano. Il modello statistico ha considerato l’effetto del sesso, dell’ordine di parto della scrofa, della dimensione della nidiata e l’anno mese di nascita dei suinetti. Per la stima dei parametri del modello sono state adottate, per gli effetti “fissi”, delle flat priors, mentre per l’effetto della nidiata, della scrofa e la componente genetico additiva del verro, sono state adottate delle Gaussian prior distributions. La media della distribuzione marginale a posteriori della componente di varianza del verro, della scrofa e della nidiata nei suini puri è risultata pari a 0.018 (0.008), 0.077 (0.020), 0.347 (0.025), rispettivamente. Per quanto riguarda le stime delle componenti di varianza nei suini meticci, le stime sono risultate pari a 0.030 (0.018), 0.120 (0.034), and 0.189 (0.032), rispettivamente per la componete del verro, della scrofa e della nidiata. L’ereditabilità per sopravvivenza alla nascita nei suini puri e risultata pari a 0.049 (0.023) mentre quella dei meticci 0.091 (0.054). Per quanto riguarda la correlazione genetica tra questi due caratteri (sopravvivenza in soggetti puri e meticci) è risultata pari a 0.248 (0.336). Tuttavia, l’ampia variabilità di stima (95% Bayesian confidence region: -0.406 - 0.821) suggerisce che il progresso genetico atteso, quando la selezione è basata solamente soggetti puri, potrebbe essere nullo.
Nel terzo contributo sono state messe a confronto diverse metodologie per la stima del valore riproduttivo della sopravvivenza del suinetto durante la fase di allattamento. Il modello dei rischi proporzionali, assumendo due differenti baseline hazard function (Cox e Weibull), è stato comparato con un thershold e un sequential threshold model, in termini di capacità predittiva del modello (predictive ability) e di goodness of fit. Le stime di ereditabilità sono risultate basse per tutti e quattro i modelli e variabili tra 0.04 e 0.06. Inoltre le stime dei valori riproduttivi dei verri non hanno provocato sostanziali re-ranking dei riproduttori. Tuttavia in termini di capacità predittiva dei modelli, il sequential threshold model ha manifestato le migliori performance e proprio per questo motivo e per la sua facile interpretazione, potrebbe essere proposto come sistema di valutazione genetica da implementare all’interno del programma di selezione della linea verri C21.

Statistiche Download - Aggiungi a RefWorks
Tipo di EPrint:Tesi di dottorato
Relatore:Carnier, Paolo
Dottorato (corsi e scuole):Ciclo 21 > Scuole per il 21simo ciclo > SCIENZE ANIMALI > GENETICA, BIODIVERSITA', BIOSTATISTICA E BIOTECNOLOGIE
Data di deposito della tesi:28 Gennaio 2009
Anno di Pubblicazione:2009
Parole chiave (italiano / inglese):pre-weaning survival, survival analysis, threshold model, genetic parameters, heritability, piglet, dry cured ham
Settori scientifico-disciplinari MIUR:Area 07 - Scienze agrarie e veterinarie > AGR/17 Zootecnica generale e miglioramento genetico
Struttura di riferimento:Dipartimenti > Dipartimento di Scienze Animali
Codice ID:1593
Depositato il:28 Gen 2009
Simple Metadata
Full Metadata
EndNote Format

Bibliografia

I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione.

Albert, J. H., and S. Chib. 2001. Sequential ordinal modeling with applications to survival data. Cerca con Google

Biometrics 57:829–836. Cerca con Google

Blasco A. (2006) Philosophy of science and animal breeding research. Proceedings of the Eighth Cerca con Google

World Congress on Gen. Appl. Livest. Prod., Belo Horizonte, Brazil; 10 CD-ROM Cerca con Google

communication 00-01. Cerca con Google

Cox, D. R. 1972. Regression models and life-tables. J. Royal. Stat. Soc. (series B) 34:187. Cerca con Google

Ducrocq, V. P. 1997. Survival analysis, a statistical tool for length of productive life data. 48th Cerca con Google

Annu. Mtg. Eur. Assoc. Anim. Prod., Vienna, Austria. Available: Cerca con Google

http://www.nas.boku.ac.at/fileadmin/_/H930-agrar/H932 Vai! Cerca con Google

NUWI/Software/Survival/e97surv.doc. Accessed May. 31, 2008. Cerca con Google

González-Recio, O., Y. M. Chang, D. Gianola, and K. A. Weigel. 2005. Number of inseminations Cerca con Google

to conception in Holstein cows using censored records and time-dependent covariates. J. Cerca con Google

Dairy Sci. 88:3655-3662. Cerca con Google

Knol, E.F. 2001. Genetic aspect of piglet survival. PhD Thesis. Institute for Pig Genetics and Cerca con Google

Animal Breeding and Genetics Group, University, Wageningen, The Netherlands. Cerca con Google

Knol, E.F., B. J. Ducro, J. A. M. Van Arendonk, and T. Van der Lende. 2002. Direct, maternal and Cerca con Google

nurse sow genetic effects on farrowing, pre-weaning and total piglet survival. Livest. Prod. Cerca con Google

Sci. 73:153-164. Cerca con Google

Leenhouwers, J. I., E. F. Knol, P. N. de Groot, H. Vos, and T. van der Lende. 2002. Fetal Cerca con Google

development in the pig in relation to genetic merit for piglet survival. J Anim. Sci. 80: 1759- Cerca con Google

1770. Cerca con Google

Lopez-Romero P., Carabano M.J. (2003) Comparing alternative random regression models to Cerca con Google

analyse first lactation daily milk yield data in Holstein–Friesian cattle. Livest. Prod. Sci., 82, Cerca con Google

81–96. Cerca con Google

General discussion Cerca con Google

________________________________________________________________________________ Cerca con Google

138 Cerca con Google

Misztal I. 2008. Reliable computing in estimation of variance components. J. Anim. Breed. Genet. Cerca con Google

1–8 Cerca con Google

Piles M., M. L. Garcia., O. J. Rafel Ramon, M. Baselga. 2006. Genetics of litter size in three Cerca con Google

maternal lines of rabbits: repeatability versus multiple-trait models. J. Anim. Sci. 84:2309- Cerca con Google

2315. Cerca con Google

Prentice, R., and L. Gloeckler. 1978. Regression analysis of grouped survival data with application Cerca con Google

to breast cancer data. Biometrics. 34:57-67. Cerca con Google

Van Arendonk, J. A. M., C. Van Rosmeulen, L.L.G. Janss, and E.F. Knol. 1996. Estimation of Cerca con Google

direct and maternal genetic (co)variances for survival within litters of piglet. Livest. Prod. Sci. Cerca con Google

46:163-171. Cerca con Google

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record